网络功能虚拟化（Network Functions Virtualization,NFV）架构中,在通用服务器上以软件形式实现的网络功能称为虚拟网络功能（Virtualized Network Function,VNF）。虚拟化的特性使得服务功能链（Service Function Chaining,SFC）可以动态迁移,这为业务提供了必要的灵活性。由于VNF资源需求随着网络流量而时变,网络中可能出现大量利用率低的服务器,导致巨大的能量损耗。因此,如何在保证服务水平协议（Service Level Agreement,SLA）的情况下最小化网络长期能源消耗,是NFV 网络中的一个非常重要的问题。以往被动式整合VNF的节能策略缺少对迁移时机的研究,为了消除迁移的滞后性,对VNF进行有效的资源预测是一种重要的解决方法。本文主要研究网络功能在NFV网络中的节能迁移策略。针对SFC服务过程中由于资源需求的动态性变化带来的网络耗能问题,本文提出了一种基于短周期资源预测的节能动态迁移算法,该算法利用网络资源需求预测结果来确定迁移时机,通过对可能过载服务器及时执行VNF拆分来消除违背SLA,对低负载服务器适时合并来实现节约网络长期能耗。同时,本文考虑了服务器客观存在的开机能耗。仿真结果表明,在不同精度的预测结果下,本文提出的算法具有良好的效果和稳定性,在保证较低服务中断率的情况下,提升网络服务的总流量约15%以上,能耗成本降低约20%以上。针对虚拟网络功能资源预测问题,本文提出了基于资源预测的多阶段服务功能链迁移架构,通过在线部署、增量学习预测和动态迁移优化网络能耗。该架构包含基于注意力机制的资源预测模型,该模型学习SFC中VNFs之间的连接依赖关系,采用序列到序列结构使得模型可以同时预测多个VNF。同时还设计了一种基于粒子群优化的SFC部署算法,以保证服务请求的接受率。仿真结果表明,本文提出的方法在提高预测精度方面具有优越性,在保证较高服务请求接受率的情况下,能耗带宽比方面的性能提升约12%。综上所述,本文研究了基于资源预测的网络功能虚拟化架构节能问题,本文提出的迁移算法和资源预测模型在减少能源消耗方面的有效性,这对NFV架构中的动态迁移研究有一定的意义和价值。